Pareto排序分类器

架构搜索快而准

该方法将多目标神经架构搜索转化为分类问题,直接预测候选架构与参考架构的支配关系,缓解了排序紊乱问题。

马连博 · Li, Nan · Yu, Guo · Xiaoyu, Geng · 程适 · Xingwei, Wang · Min, Huang · Jin, Yaochu

IEEE Transactions on Evolutionary Computation 2023

参数信息

能发现模型大小从
2 M

技术优势

减少排序紊乱

直接预测支配关系而非预测性能值,避免排序失真的问题。

无需复杂搜索

将多目标NAS转化为分类任务,简化搜索过程。

在线自适应

在线分类器适应搜索过程,采用自适应聚类选择参考架构,并通过α-支配方法处理样本不平衡。

应用场景